一种水面无人系统持续自主学习智能系统架构设计方法技术方案

本发明专利技术公开了一种水面无人系统持续自主学习智能系统架构设计方法。该方法包括：水面无人系统持续自主学习需求分析，持续自主学习需求分析包括典型任务模式分析、任务调整范围分析、环境变化因素分析、数据获取条件分析以及算力资源条件分析；持续自主学习智能系统架构与核心组件设计，持续自主学习智能系统的架构包括“云端持续自主学习脑”和“终端持续自主学习脑”；持续自主学习智能系统工作流程与接口规范研究设计。可见，本发明专利技术形成智能化程度高、拓展能力强、成长能力好的水面无人系统智脑，实现水面无人系统有效经验共享、自主学习训练、技术状态管理及保障能力的生成，为水面无人系统向强智能无人装备迈进提供有力支撑。无人系统向强智能无人装备迈进提供有力支撑。无人系统向强智能无人装备迈进提供有力支撑。

【技术实现步骤摘要】
一种水面无人系统持续自主学习智能系统架构设计方法


[0001]本专利技术涉及计算机处理
，特别涉及一种水面无人系统持续自主学习智能系统架构设计方法。

技术介绍

[0002]随着以深度学习为代表的新一代人工智能技术的快速发展，在无人系统的图像识别、自然语言处理、博弈决策以及集群控制等方面取得了超越传统机器学习方法的瞩目成就，但是这类技术通常严重依赖大量的人工标注的高质量标记数据或者是仿真度较高的仿真环境，同时复杂的网络结构使得训练的时间急剧增加。
[0003]但是在水面无人系统工程应用领域，由于数据严重缺乏，导致目前公开的智能方法难以训练出有效的智能模型。而复杂多变的海上环境与难以测量的干扰因素使得建立仿真模型无法达到预期效果，同时在环境感知、自主控制等任务中普遍表现不佳。亟需开发能在实际水面环境中持续自主学习并改善性能的技术。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的水面无人系统持续自主学习智能系统架构设计方法。
[0005]本专利技术的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水面无人系统持续自主学习智能系统架构设计方法，其特征在于，包括：水面无人系统持续自主学习需求分析，所述持续自主学习需求分析包括典型任务模式分析、任务调整范围分析、环境变化因素分析、数据获取条件分析以及算力资源条件分析；持续自主学习智能系统架构与核心组件设计，所述持续自主学习智能系统的架构包括“云端持续自主学习脑”和“终端持续自主学习脑”，所述持续自主学习智能系统的核心组件包括知识中心、混合迁移学习器、自动机器学习器、模型、应用和任务管理器；持续自主学习智能系统工作流程与接口规范研究设计，用于设计所述持续自主学习智能系统的流程与接口，使外来数据能够高效的在所述持续自主学习智能系统中上加载与更新。2.根据权利要求1所述的方法，其特征在于，所述典型任务模式分析，用于根据宽松水面环境下典型任务独立执行情况，总结水面无人系统可能担负的各种任务功能，同时考虑现实需求和任务功能分类方式。3.根据权利要求1所述的方法，其特征在于，所述任务调整范围分析，用于通过持续自主学习对任务调整范围进行界定，在同任务领域中、任务涉及的特征空间相似的情况下，对可调整的任务范围进行分析，形成任务调整范围，所述可调整的任务范围包括任务时间、地点、距离、目标。4.根据权利要求1所述的方法，其特征在于，所述环境变化因素分析，用于在同一个任务内容下，对环境因素的变化进行分析，形成环境变化范围，所述环境因素包括海况、能见度、水面障碍物。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：韩玮，陈卓，谢杨柳，曾江峰，陈骁，张馗，王千一，郭晓晔，马向峰，董钉，梁旭，王伟，胥凤驰，李哲，骆福宇，王一帆，刘如磊，王子帅，宋胜男，吴与伦，董洁琳，许埔宁，王伟蒙，
申请(专利权)人：中国船舶集团有限公司系统工程研究院，
类型：发明
国别省市：